Zum Inhalt springen
senn-techsenn-tech
Zurück zum Blog
KI & Entwicklung
KI im Betrieb2026-11-23· Von Franz Senn

Kosten pro Aufgabe statt Preis pro Token: Was GPT-6.2, Gemini 4 und Claude wirklich kosten

Zwei Modelle mit demselben Listenpreis, 8 Dollar je Million Eingabe-Token und 40 Dollar je Million Ausgabe-Token, kosten auf dem Benchmark von Artificial Analysis 26,54 und 4,00 Dollar pro Aufgabe. Claude Fable 5.2 erzeugt dafür 275 Millionen Ausgabe-Token, GPT-6.2 Astra 65,8 Millionen. Der Preis pro Token zeigt diesen Unterschied nicht.

Kosten pro Aufgabe sind die Summe aller Token, die ein Modell bis zur fertigen Lösung verbraucht (Eingabe, Cache, Denkschritte, Antwort), mit den jeweiligen Preisen multipliziert und durch die Zahl der Aufgaben geteilt. Artificial Analysis rechnet so für seinen Intelligence Index v5.0.1, einen gewichteten Durchschnitt über neun Prüfungen. Kosten pro gelöster Aufgabe teilen zusätzlich durch die Erfolgsquote. Der Tokenpreis ist damit einer von drei Faktoren, Verbrauch und Erfolgsquote sind die anderen beiden.

Preislisten: was die Hersteller verlangen

Logo von Anthropic
Anthropic nennt für Claude Fable 5.2, Opus 5.5 und Sonnet 5.5 diese Preise auf der eigenen Preisseite. (Quelle: Simple Icons (Repo CC0), Marke: Anthropic)

Alle Preise in US-Dollar je Million Token, Messträger: die Preisseiten der Anbieter, abgerufen am 22.11.2026. Das sind Herstellerangaben.

ModellEingabe / AusgabeCache-LesenQuelle
Claude Fable 5.28 / 400,20Anthropic
Claude Opus 5.54 / 200,20Anthropic
Claude Sonnet 5.52 / 100,10Anthropic
GPT-6.2 Astra8 / 400,40OpenAI
Gemini 4 Neon3 / 150,15Google Cloud, Vertex AI, global
Gemini 4 Hydrogen1,50 / 7,500,075Google Cloud
Gemini 4 Carbon, Argon2 / 10 bis 30.11.2026, ab 1.12.2026 4 / 200,10, danach 0,20Google Cloud
Logo von Google
Google führt Carbon und Argon bis 30. November 2026 zum halben Preis und verdoppelt ihn am 1. Dezember. (Quelle: Simple Icons (Repo CC0), Marke: Google)

Bei Google ist der niedrigere Preis eine Aktion: Die Preisseite beschreibt ihn als 50 Prozent Gutschrift auf den Nettoumsatz und gilt nur bis 30. November 2026. Wer Carbon oder Argon im Dezember einplant, rechnet mit 4 und 20 Dollar. OpenAI senkt Astra laut eigener Seite um 20 Prozent gegenüber GPT-6 Astra und den Cache-Preis um 60 Prozent. Fable 5.2 und Astra stehen danach auf derselben Preisstufe.

Logo von OpenAI
OpenAI nennt für GPT-6.2 Astra 8 Dollar Eingabe, 0,40 Cache und 40 Dollar Ausgabe. Wortmarke, gemeinfrei, die Marke bleibt beim Inhaber. (Quelle: Wikimedia Commons, OpenAI logo 2025 (wordmark).svg, Urheber: OpenAI, gemeinfrei (PD-textlogo), Marke: OpenAI)

Unabhängig gemessen: Kosten pro Aufgabe bei Artificial Analysis

Artificial Analysis führt alle Prüfungen selbst durch. Die Kosten pro Aufgabe entstehen aus Eingabe-, Cache-, Denk- und Antwort-Token mal Preis, geteilt durch die Aufgabenzahl, gewichtet nach dem Anteil im Index. Die Werte stammen von den Modellseiten, abgerufen am 22.11.2026, Index v5.0.1. Die Aufwandsstufe in Klammern ist die, die Artificial Analysis je Modell führt, sie ist nicht in jeder Zeile gleich.

Modell (Aufwandsstufe)IndexKosten je AufgabeAusgabe-Token im Index
Claude Fable 5.2 (Max)6526,54 $275 Mio.
Claude Opus 5.5 (Max)5910,04 $218 Mio.
Claude Sonnet 5.5 (Max)5510,02 $335 Mio.
GPT-6.2 Astra (Max)624,00 $65,8 Mio.
Gemini 4 Carbon (High)607,76 $205 Mio.
Gemini 4 Neon (Xhigh)616,44 $283 Mio.
Gemini 4 Hydrogen (Xhigh)543,16 $304 Mio.
Gemini 4 Argon (High)509,95 $113 Mio.
Kosten je Index-Aufgabe in Dollar, Artificial Analysis v5.0.1Fable 5.2 (Max)26.54 · 26,54 $, Index 65Opus 5.5 (Max)10.04 · 10,04 $, Index 59Sonnet 5.5 (Max)10.02 · 10,02 $, Index 55Argon (High)9.95 · 9,95 $, Index 50Carbon (High)7.76 · 7,76 $, Index 60Neon (Xhigh)6.44 · 6,44 $, Index 61Astra (Max)4 · 4,00 $, Index 62Hydrogen (Xhigh)3.16 · 3,16 $, Index 54030
Abruf 22.11.2026. Aufwandsstufen und Preisstände je Modell verschieden, siehe Tabelle. (Quelle: Artificial Analysis, Modellseiten)

Drei Rechnungen aus dieser Tabelle, abgeleitet aus den genannten Werten:

  • Fable 5.2 gegen Astra: gleicher Listenpreis, 26,54 geteilt durch 4,00 gleich Faktor 6,6 bei den Kosten, Faktor 4,2 bei den Ausgabe-Token (275 durch 65,8). Der Index liegt 3 Punkte auseinander.
  • Hydrogen gegen Astra: Hydrogen ist je Token 5,3-mal billiger (8 durch 1,50), je Aufgabe aber nur 1,27-mal (4,00 durch 3,16), bei 8 Indexpunkten weniger.
  • Sonnet 5.5 gegen Opus 5.5: halber Tokenpreis, dennoch fast identische Kosten je Aufgabe (10,02 gegen 10,04), weil Sonnet 335 statt 218 Millionen Ausgabe-Token braucht.

Die Zahlen sagen etwas über diesen Benchmark und nichts über Ihre Aufgaben. Artificial Analysis setzt bei Carbon und Argon seinen Preisstand von 4 und 20 Dollar an, die Aktion bis 30. November ist darin nicht abgebildet. Mit der Aufwandsstufe ändert sich die Rechnung stark. In einer Grafik auf der OpenAI-Seite, die Artificial-Analysis-Werte zeigt (Herstellerseite, Index v5.0.1, ungeprüft), kostet Fable 5.2 bei High 9,08 Dollar mit Index 61,8 und bei Max 26,54 Dollar mit 64,6. Das ergibt 2,8 Punkte mehr für das 2,9-Fache.

Herstellerrechnungen und was sie auslassen

Google schreibt im Neon-Launchbeitrag vom 18.11.2026, Neon liege bei High 32 Prozent unter den Kosten pro Aufgabe von Carbon, bei xhigh mehr als 36 Prozent unter konkurrierenden Modellen auf deren höchster Stufe. Das sind Herstellerangaben, wir haben sie nicht reproduziert. Artificial Analysis führt Neon bei Xhigh und Carbon bei High, die 32 Prozent lassen sich dort nicht gegenrechnen.

OpenAI schreibt, Astra liege bei Agents' Last Exam 5,5 Punkte vor Fable 5.2 "at just 5% of the cost". Das lässt sich aus den Daten der Grafik auf derselben Seite nachrechnen: Astra bei xhigh kostet 2,89 Dollar mit 78,3 Prozent, Fable 5.2 bei Max 60,05 Dollar mit 72,8 Prozent. Daraus folgen 4,8 Prozent der Kosten und 5,5 Punkte Vorsprung. Bei Astra Max liegt das Verhältnis bei 7,4 Prozent. Beide Zahlen gehören der Herstellerseite, im Text nennt OpenAI keine Aufwandsstufe.

Kosten pro Aufgabe sagen nichts über die Verlässlichkeit. Die Systemkarte zu GPT-6.2 beschreibt unter Blocker Deception, wie oft ein Modell ein bekanntes Hindernis in einer Coding-Aufgabe verschweigt: 22,28 Prozent bei GPT-6.2 Astra gegen 11,09 Prozent bei GPT-6 Astra. OpenAI nennt das eine Regression. Mit dem Codex-Entwicklerprompt fällt die Rate bei Astra auf 8,04 Prozent (Grafik auf der Launchseite). Dieser Prompt gilt laut Systemkarte nicht für direkte API-Anfragen. Es sind interne Tests mit absichtlich gestellten Hindernissen, die OpenAI nicht als Produktionsrate versteht.

Stripe misst Kosten je Lauf und strenge Erfolgsquote

Logo von Stripe
Stripe veröffentlicht am 19.11.2026 Evals für Coding-Agenten mit 69 Szenarien und 14 Modell-Harness-Paaren. (Quelle: Simple Icons (Repo CC0), Marke: Stripe)

Die Stripe evals bauen Integrationen für Zahlungen, Abos und Connect nach. Laut Methodikbeitrag liegt der Durchschnitt über alle Paare bei 78,1 Prozent der Kriterien, die strenge Quote (alle Pflichtkriterien erfüllt) bei 29,4 Prozent. Nachgerechnet aus der Stripe-Tabelle ergibt sich für die strenge Quote 29,4, für den Score 78,2 (Einfachmittel über 14 Paare, mit und ohne Stripe-Plugin).

Messträger: Stripe, Herstellermessung, Stand 19.11.2026, 69 Szenarien in 2 Läufen, jeweils mit Stripe-Plugin, Standard-Aufwandsstufe, Kosten in Dollar je Lauf. Die letzte Spalte ist von uns abgeleitet: Kosten je Lauf geteilt durch die strenge Quote.

Modell (Harness)ScoreStrenge QuoteKosten je LaufKosten je strikt bestandenem Lauf
GPT-6.1 Sol (Codex)89,6 %50,7 %0,61 $1,20 $
GPT-6 Astra (Codex)90,0 %52,9 %3,63 $6,86 $
Claude Sonnet 5.5 (Claude Code)82,6 %33,1 %1,16 $3,50 $
Claude Opus 5.5 (Claude Code)86,2 %36,0 %3,15 $8,75 $
Claude Fable 5.2 (Claude Code)85,2 %43,2 %5,35 $12,38 $
Gemini 4 Argon (OpenCode)77,6 %31,6 %3,86 $12,22 $

Die Vorbehalte stehen bei Stripe selbst: Die Prüfer sind KI-Modelle (GPT-6.1 Sol für Rollenspiel und Bewertung, eine Gegenprobe mit Opus zeigte laut Stripe keine Bevorzugung, Opus urteilte durchweg milder), und der Code wird nicht ausgeführt: "A well-shaped but non-functional integration can score full marks". Die Harnesses unterscheiden sich je Modell, Stripe warnt vor Vergleichen über Modelle hinweg. Getestet ist GPT-6 Astra, die Version 6.2 fehlt. Die Spalte rechts unterstellt, dass jeder nicht bestandene Lauf wertlos ist. Das ist die Annahme hinter jeder Kosten-pro-gelöster-Aufgabe-Zahl, und sie stimmt selten ganz. Dass Spannen von 1,20 bis 12,38 Dollar entstehen, bleibt trotzdem sichtbar.

Ohne Zähler kein Vergleich

IDC nennt in einem Blogbeitrag vom 28.08.2026, 67 Prozent der Unternehmen hätten ihr Agentenbudget in den letzten zwölf Monaten um mehr als 10 Prozent überschritten, nur 45,4 Prozent hätten Echtzeit-Dashboards für Token und Kosten je Arbeitsablauf. Die Befragungswelle zur 67-Prozent-Zahl nennt der Beitrag nicht (Wave 4, Juli 2026, steht dort bei einer anderen Zahl). In einem zweiten IDC-Beitrag vom 25.08.2026 steht, der durchschnittliche Tokenpreis sei laut einem Fintech-Datensatz um rund 50 Prozent im Jahr gesunken, ohne dass die Rechnungen sanken. Das ist ein Zitat aus der Washington-Post-Auswertung, kein IDC-Messwert.

Auch das Werkzeug verändert die Rechnung. Google kündigte an, das Gemini CLI für Pro- und Ultra-Nutzer zum 18.06.2026 abzuschalten und durch das Antigravity CLI (agy) zu ersetzen, Unternehmenslizenzen bleiben unberührt. Wie stark ein Harness die Token-Rechnung bei gleichem Modell verschiebt, zeigt die Harness-Studie.

Was wir selbst gemessen haben

Kosten pro Aufgabe haben wir nicht selbst gemessen. Alles oben stammt von Artificial Analysis, Stripe, OpenAI, Google, Anthropic und IDC. Die Tokenrechnung unseres Gateways zu Fable 5.2 steht in Claude Fable 5.2: 8 Dollar pro Million Token, sie rechnet Token mal Preis und kennt keine Erfolgsquote. Zur Preisentwicklung seit August siehe Der KI-Preisverfall, zum GPT-6.2-Release die Wochenausgabe IT-News KW48, weitere Beiträge im Themenhub KI im Betrieb.

Eine Messung für das eigene Team

Zwanzig echte Aufgaben aus dem Alltag, je Modell zwei Aufwandsstufen, Tests, die den Code tatsächlich ausführen. Pro Lauf drei Zahlen notieren: Token, Kosten, bestanden oder nicht. Daraus je Modell und Stufe den Betrag je bestandenem Lauf bilden und die Kosten nach Arbeitsablauf zuordnen, bevor ein Modell zum Standard wird. Wer die Messung im eigenen Haus aufsetzen will, findet den Rahmen bei Corporate LLM.

Weiterführende Quellen

Fragen?
Warum reicht der Preis pro Million Token nicht für den Modellvergleich?+

Weil der Verbrauch je Aufgabe um ein Vielfaches schwankt. Nach Artificial Analysis erzeugte Claude Fable 5.2 (Max) bei seinem Index 275 Millionen Ausgabe-Token, GPT-6.2 Astra (Max) 65,8 Millionen, bei identischem Listenpreis von 8 und 40 Dollar. Ergebnis: 26,54 gegen 4,00 Dollar pro Aufgabe, ein Faktor von 6,6. Die Index-Aufgaben sind keine Ihrer Aufgaben, der Mechanismus gilt aber für jede Rechnung.

Was bedeutet Kosten pro gelöster Aufgabe?+

Die Kosten eines Laufs geteilt durch den Anteil der Läufe, die das Ergebnis tatsächlich liefern. Rechnet man die Zahlen aus den Stripe-Evals so um (abgeleitet, von Stripe nie so veröffentlicht), liegt GPT-6.1 Sol bei 1,20 Dollar je strikt bestandenem Lauf, GPT-6 Astra bei 6,86 und Claude Fable 5.2 bei 12,38 Dollar. Die Evals laufen mit KI-Prüfern und führen den Code nicht aus, die Werte zeigen eine Größenordnung und kein Ranking.

Wie finde ich die Kosten pro Aufgabe für mein Team?+

Mit 20 echten Aufgaben aus dem eigenen Alltag, zwei Aufwandsstufen je Modell und Tests, die den Code ausführen. Pro Lauf werden Token, Kosten und Bestanden oder Nicht-bestanden notiert, am Ende steht je Modell und Stufe der Betrag je bestandenem Lauf. Das lässt sich mit dem Protokoll eines KI-Gateways und einer Tabelle in einem Nachmittag aufsetzen.